/ Модель

Характеристики

Параметры
404 млн
Лицензия
MIT
Архитектура
t5 · dense
Опубликована
29 мая 2023

FRED-T5-LARGE_text_qa

Генерация текстаТекст → текст5 профессий

Русскоязычная модель T5 для генерации ответов на вопросы по предоставленному тексту.

115скачиваний за 30 дней5лайковвеса обновлены21 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Den4ikAI/FRED-T5-LARGE_text_qa — русскоязычная модель семейства T5, разработанная Den4ikAI для ответов на вопросы по предоставленному тексту. Она обучена на наборе ru_sberquad_long_answers и подходит для сценариев, где нужно сформулировать развернутый ответ на основе контекста.

Модель использует архитектуру T5ForConditionalGeneration и содержит около 403,9 млн параметров. Веса доступны в форматах PyTorch и Safetensors; лицензия — MIT. Карточка не сообщает длину контекста и подробные результаты оценки качества.

Сценарии применения

  • ответы на вопросы по тексту на русском языке
  • извлечение развернутых ответов из контекста
  • автоматизация ответов по учебным материалам
  • поиск ответов в текстовых документах

Ограничения

Длина контекста и результаты оценки качества в карточке не приведены. Предназначение модели ограничено ответами на вопросы по тексту; её возможности за пределами этого сценария не описаны.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Den4ikAI/FRED-T5-LARGE_text_qa

Модель обучена отвечать на вопросы с помощью текста.

Wandb: link

Использование

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch
from transformers import GenerationConfig

use_cuda = torch.cuda.is_available()
device = torch.device("cuda" if use_cuda else "cpu")
generation_config = GenerationConfig.from_pretrained("Den4ikAI/FRED-T5-LARGE_text_qa")
tokenizer = AutoTokenizer.from_pretrained("Den4ikAI/FRED-T5-LARGE_text_qa")
model = AutoModelForSeq2SeqLM.from_pretrained("Den4ikAI/FRED-T5-LARGE_text_qa").to(device)
model.eval()

def generate(prompt):
  data = tokenizer(f"{prompt}", return_tensors="pt").to(model.device)
  output_ids = model.generate(
      **data,
      generation_config=generation_config
  )[0]
  print(tokenizer.decode(data["input_ids"][0].tolist()))
  out = tokenizer.decode(output_ids.tolist())
  return out

while 1:
  prompt = '''<SC6>Текст: {}\nВопрос: {}\nОтвет: <extra_id_0>
  '''.format(input('Текст: '), input('Вопрос: '))
  print(generate(prompt))

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
80fc494

0 моделей